TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Goldbeck: Teka-teki kentang goreng keriting: Kenapa "suka" di media sosial mengatakan lebih banyak dari yang Anda kira
Filmed:
Readability: 4.5
2,366,837 views
Apakah Anda suka kentang goreng keriting? Apakah Anda pernah memilih "suka" untuk gambarnya di Facebook? Tontonlah pembicaraan ini untuk mengetahui hal-hal yang mengejutkan tentang bagaimana Facebook (dan media sosial lainnya) dapat memprediksi tentang diri Anda dari aktivitas acak "suka" dan berbagi yang Anda lakukan. Ilmuwan komputer, Jennifer Golbeck, menjelaskan bagaimana hal ini terjadi, bagaimana sejumlah bentuk pemanfaatan dari teknologi tidak selalu untuk hal yang baik -- dan kenapa ia berpikir bahwa kita sebaiknya mengembalikan kontrol terhadap informasi kepada pemilik yang semestinya.
Jennifer Golbeck - Computer scientist
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
Double-click the English transcript below to play the video.
00:12
If you remember that first decade of the web,
0
738
1997
Jika Anda ingat dekade pertama dari web
00:14
it was really a static place.
1
2735
2255
ia merupakan tempat yang sangat statis
00:16
You could go online, you could look at pages,
2
4990
2245
Anda bisa online, melihat-lihat laman,
00:19
and they were put up either by organizations
3
7235
2513
dan laman-laman ini milik organisasi besar
yang memiliki tim untuk membuatnya
00:21
who had teams to do it
4
9748
1521
00:23
or by individuals who were really tech-savvy
5
11269
2229
atau oleh individu yang sangat
mahfum teknologi
mahfum teknologi
00:25
for the time.
6
13498
1737
saat itu.
00:27
And with the rise of social media
7
15235
1575
Dan dengan munculnya media sosial
00:28
and social networks in the early 2000s,
8
16810
2399
dan jejaring sosial di awal tahun 2000-an,
00:31
the web was completely changed
9
19209
2149
web berubah secara drastis
00:33
to a place where now the vast majority of content
10
21358
3608
kini menjadi tempat dimana
mayoritas konten
mayoritas konten
00:36
we interact with is put up by average users,
11
24966
3312
yang berinteraksi dengan kita
dimiliki oleh pengguna biasa,
dimiliki oleh pengguna biasa,
00:40
either in YouTube videos or blog posts
12
28278
2697
baik video di Youtube atau posting blog
00:42
or product reviews or social media postings.
13
30975
3315
atau ulasan produk atau
posting media sosial.
posting media sosial.
00:46
And it's also become a much more interactive place,
14
34290
2347
Dan menjadi tempat yang sangat interaktif
00:48
where people are interacting with others,
15
36637
2637
dimana orang dapat berinteraksi
satu sama lain
satu sama lain
00:51
they're commenting, they're sharing,
16
39274
1696
saling memberi komentar, berbagi,
00:52
they're not just reading.
17
40970
1614
orang tidak lagi hanya membaca.
Facebook bukan satu-satunya,
00:54
So Facebook is not the only place you can do this,
18
42584
1866
00:56
but it's the biggest,
19
44450
1098
tapi ia yang terbesar,
00:57
and it serves to illustrate the numbers.
20
45548
1784
dan cukup untuk memberi gambaran.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook memiliki 1,2 miliar pengguna
setiap bulannya
setiap bulannya
01:02
So half the Earth's Internet population
22
50809
1930
Jadi separuh dari populasi internet Bumi
01:04
is using Facebook.
23
52739
1653
menggunakan Facebook.
01:06
They are a site, along with others,
24
54392
1932
Mereka adalah laman, seperti lainnya,
01:08
that has allowed people to create an online persona
25
56324
3219
yang memungkinkan orang untuk
menciptakan profil online
menciptakan profil online
01:11
with very little technical skill,
26
59543
1782
dengan kemampuan teknis yang minim,
01:13
and people responded by putting huge amounts
27
61325
2476
dan orang meresponnya dengan
menaruh sejumlah besar
menaruh sejumlah besar
01:15
of personal data online.
28
63801
1983
data-data pribadi secara online
01:17
So the result is that we have behavioral,
29
65784
2543
Sebagai hasilnya,
kami memiliki data tentang
kami memiliki data tentang
01:20
preference, demographic data
30
68327
1986
kebiasaan, preferensi, demografis
01:22
for hundreds of millions of people,
31
70313
2101
dari ratusan juta orang,
01:24
which is unprecedented in history.
32
72414
2026
hal yang tidak pernah terjadi sebelumnya.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Bagi saya sebagai ilmuwan komputer,
ini berarti
ini berarti
01:29
I've been able to build models
34
77000
1664
saya dapat membuat model-model
01:30
that can predict all sorts of hidden attributes
35
78664
2322
yang bisa memprediksi segala atribut tersembunyi
01:32
for all of you that you don't even know
36
80986
2284
dari Anda semua, bahkan tidak mengetahui
01:35
you're sharing information about.
37
83270
2202
bahwa informasi ini telah Anda berikan.
01:37
As scientists, we use that to help
38
85472
2382
Sebagai ilmuwan, kami menggunakannya untuk
01:39
the way people interact online,
39
87854
2114
membantu orang berinteraksi secara online
01:41
but there's less altruistic applications,
40
89968
2499
tapi ada aplikasi yang kurang altruistik,
01:44
and there's a problem in that users don't really
41
92467
2381
dan akan menjadi masalah jika pengguna
tidak begitu
tidak begitu
01:46
understand these techniques and how they work,
42
94848
2470
memahami teknik ini dan
bagaimana cara kerjanya
bagaimana cara kerjanya
01:49
and even if they did, they don't
have a lot of control over it.
have a lot of control over it.
43
97318
3128
dan walau mereka paham,
mereka tidak punya kontrol atas hal ini.
mereka tidak punya kontrol atas hal ini.
01:52
So what I want to talk to you about today
44
100446
1490
Jadi yang ingin saya sampaikan
01:53
is some of these things that we're able to do,
45
101936
2702
adalah hal-hal yang dapat kami lakukan
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
yang kemudian memberi ide
bagaimana ke langkah berikutnya
bagaimana ke langkah berikutnya
01:59
to move some control back into the hands of users.
47
107401
2769
untuk mengembalikan kontrol
ke tangan para pengguna.
ke tangan para pengguna.
02:02
So this is Target, the company.
48
110170
1586
Ini adalah perusahaan Target
02:03
I didn't just put that logo
49
111756
1324
Saya tidak menaruh logo begitu saja
02:05
on this poor, pregnant woman's belly.
50
113080
2170
di atas perut wanita hamil ini
02:07
You may have seen this anecdote that was printed
51
115250
1840
Anda mungkin pernah melihat anekdot
02:09
in Forbes magazine where Target
52
117090
2061
yang dicetak majalah Forbes
dimana Target
dimana Target
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
mengirimkan brosur kepada gadis
berumur 15 tahun
berumur 15 tahun
02:13
with advertisements and coupons
54
121512
1710
beserta iklan dan kupon belanja
02:15
for baby bottles and diapers and cribs
55
123222
2554
untuk botol bayi, popok dan tempat tidur
02:17
two weeks before she told her parents
56
125776
1684
2 minggu sebelum ia memberitahu
orang tuanya
orang tuanya
02:19
that she was pregnant.
57
127460
1864
bahwa ia sedang hamil.
02:21
Yeah, the dad was really upset.
58
129324
2704
Yah, bapak anak ini tentu sangat marah.
02:24
He said, "How did Target figure out
59
132028
1716
Ia berkata, "Bagaimana Target tahu
02:25
that this high school girl was pregnant
60
133744
1824
bahwa anak SMA ini sedang hamil
02:27
before she told her parents?"
61
135568
1960
sebelum dia memberitahu orang tuanya?"
02:29
It turns out that they have the purchase history
62
137528
2621
Ternyata Target memiliki sejarah belanja
02:32
for hundreds of thousands of customers
63
140149
2301
ratusan ribu pelanggannya
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
dan mereka menghitung skor kehamilan,
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
bukan hanya apakah hamil tidaknya
seorang wanita
seorang wanita
02:39
but what her due date is.
66
147512
1730
tapi juga kapan ia melahirkan.
02:41
And they compute that
67
149242
1304
Dan mereka menghitung
02:42
not by looking at the obvious things,
68
150546
1768
tidak berdasarkan hal-hal yang kentara
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
seperti membeli tempat tidur
atau baju bayi,
atau baju bayi,
02:46
but things like, she bought more vitamins
70
154826
2943
tapi hal-hal seperti belanja lebih
banyak vitamin
banyak vitamin
02:49
than she normally had,
71
157769
1717
dari kebiasaan normalnya,
02:51
or she bought a handbag
72
159486
1464
atau membeli tas tangan yang
02:52
that's big enough to hold diapers.
73
160950
1711
cukup besar untuk menyimpan popok
02:54
And by themselves, those purchases don't seem
74
162661
1910
Dan mereka, aktivitas belanja ini
02:56
like they might reveal a lot,
75
164571
2469
tidak tampak dapat mengungkapkan banyak
02:59
but it's a pattern of behavior that,
76
167040
1978
tapi ini adalah pola tingkah laku
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
dimana ketika Anda mengambil
konteksnya dari ribuan orang lainnya
konteksnya dari ribuan orang lainnya
03:04
starts to actually reveal some insights.
78
172135
2757
mulai memunculkan informasi ini.
03:06
So that's the kind of thing that we do
79
174892
1793
Jadi hal-hal yang kami lakukan
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
ketika kami memprediksi tentang Anda
dari media sosial
dari media sosial
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Kami mencari dari pola tingkah laku
yang kecil dimana
yang kecil dimana
03:14
when you detect them among millions of people,
82
182048
2682
ketika Anda mendeteksinya dari
jutaan orang
jutaan orang
03:16
lets us find out all kinds of things.
83
184730
2706
memungkinkan kami untuk
menemukan banyak hal.
menemukan banyak hal.
Di laboratorium saya dan beberapa kolega,
03:19
So in my lab and with colleagues,
84
187436
1747
03:21
we've developed mechanisms where we can
85
189183
1777
membangun mekanisme dimana kami dapat
03:22
quite accurately predict things
86
190960
1560
memprediksi sesuatu dengan tepat
03:24
like your political preference,
87
192520
1725
seperti pilihan politik Anda,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
skor kepribadian, jenis kelamin, orientasi seksual Anda
03:29
religion, age, intelligence,
89
197997
2873
agama, usia, kecerdasan
03:32
along with things like
90
200870
1394
dan juga hal-hal seperti
seberapa Anda mempercayai
orang yang Anda kenal
orang yang Anda kenal
03:34
how much you trust the people you know
91
202264
1937
03:36
and how strong those relationships are.
92
204201
1804
dan seberapa kuat hubungan tersebut.
03:38
We can do all of this really well.
93
206005
1785
Kami dapat melakukannya dengan baik.
03:39
And again, it doesn't come from what you might
94
207790
2197
Dan lagi, ini tidak datang dari
03:41
think of as obvious information.
95
209987
2102
informasi yang Anda anggap gamblang.
03:44
So my favorite example is from this study
96
212089
2281
Contoh penelitian favorit saya
tentang hal ini
tentang hal ini
03:46
that was published this year
97
214370
1240
dipublikasikan tahun ini
di Proceedings of the National Academies
03:47
in the Proceedings of the National Academies.
98
215610
1795
03:49
If you Google this, you'll find it.
99
217405
1285
Bisa didapatkan dari Google
03:50
It's four pages, easy to read.
100
218690
1872
Hanya 4 halaman, mudah untuk dibaca.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Mereka hanya melihat hal yang
orang "suka" di Facebook,
orang "suka" di Facebook,
03:55
so just the things you like on Facebook,
102
223565
1920
jadi hanya dengan hal yang Anda sukai
di Facebook,
di Facebook,
03:57
and used that to predict all these attributes,
103
225485
2138
memakainya memprediksi semua atribut
03:59
along with some other ones.
104
227623
1645
bersama dengan yang lainnya.
04:01
And in their paper they listed the five likes
105
229268
2961
Di makalahnya mereka memdaftar
lima hal yang disukai
lima hal yang disukai
04:04
that were most indicative of high intelligence.
106
232229
2787
yang mengindikasikan tingkat
kecerdasan tinggi.
kecerdasan tinggi.
04:07
And among those was liking a page
107
235016
2324
Dan diantaranya adalah
menyukai sebuah laman
menyukai sebuah laman
04:09
for curly fries. (Laughter)
108
237340
1905
tentang kentang goreng keriting. (tertawa)
04:11
Curly fries are delicious,
109
239245
2093
Kentang goreng keriting memang enak,
04:13
but liking them does not necessarily mean
110
241338
2530
tapi menyukainya tidak berarti
bahwa Anda lebih cerdas dari
orang pada umumnya.
orang pada umumnya.
04:15
that you're smarter than the average person.
111
243868
2080
04:17
So how is it that one of the strongest indicators
112
245948
3207
Jadi bagaimana kentang menjadi
salah satu indikator terkuat
salah satu indikator terkuat
04:21
of your intelligence
113
249155
1570
dari tingkat kecerdasaan Anda
04:22
is liking this page
114
250725
1447
adalah dengan menyukai laman
04:24
when the content is totally irrelevant
115
252172
2252
ketika kontennya tidak relevan sama sekali
04:26
to the attribute that's being predicted?
116
254424
2527
dengan atribut yang diprediksikan?
04:28
And it turns out that we have to look at
117
256951
1584
Pada kenyataannya kami harus melihat
04:30
a whole bunch of underlying theories
118
258535
1618
sejumlah besar teori pendukung
04:32
to see why we're able to do this.
119
260153
2569
untuk mengetahui kenapa kami bisa melakukan hal ini.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Salah satu diantaranya adalah
teori sosiologi, homofili
teori sosiologi, homofili
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
mengatakan bahwa orang berteman
dengan orang yang mirip mereka.
dengan orang yang mirip mereka.
Orang cerdas umumnya berteman
dengan orang cerdas,
dengan orang cerdas,
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
dan orang muda umumnya berteman
dengan orang muda,
dengan orang muda,
04:45
and this is well established
124
273371
1627
dan teori ini sudah terbukti
04:46
for hundreds of years.
125
274998
1745
selama ratusan tahun.
04:48
We also know a lot
126
276743
1232
Kami juga tahu banyak
04:49
about how information spreads through networks.
127
277975
2550
tentang bagaimana informasi
tersebar lewat jaringan.
tersebar lewat jaringan.
04:52
It turns out things like viral videos
128
280525
1754
Seperti video-video viral
04:54
or Facebook likes or other information
129
282279
2406
atau "suka" di Facebook atau
informasi lainnya
informasi lainnya
04:56
spreads in exactly the same way
130
284685
1888
menyebar dengan cara yang sama persis
04:58
that diseases spread through social networks.
131
286573
2454
menyebar seperti penyakit menular
di media sosial.
di media sosial.
05:01
So this is something we've studied for a long time.
132
289027
1791
Inilah yang kami pelajari sejak lama.
05:02
We have good models of it.
133
290818
1576
Kami punya model yang bagus untuk itu.
05:04
And so you can put those things together
134
292394
2157
Sehingga Anda dapat memahami
05:06
and start seeing why things like this happen.
135
294551
3088
dan mulai melihat kenapa hal ini
bisa terjadi.
bisa terjadi.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Jika saya boleh memberikan hipotesa,
05:11
it would be that a smart guy started this page,
137
299453
3227
bahwa seorang pemuda cerdas yang
memulai laman ini,
memulai laman ini,
atau salah satu orang pertama
yang menyukainya
yang menyukainya
05:14
or maybe one of the first people who liked it
138
302680
1939
05:16
would have scored high on that test.
139
304619
1736
mempunyai skor tinggi di tes itu.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Dan mereka menyukainya, lalu
temannya melihat,
temannya melihat,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
dan menurut homofili, dia kemungkinan
punya teman yang cerdas,
punya teman yang cerdas,
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
kemudian menyebar di antara mereka,
dan beberapa menyukainya
dan beberapa menyukainya
mereka punya teman cerdas,
05:26
and they had smart friends,
143
314821
1189
05:28
and so it spread to them,
144
316010
807
dan meluas ke mereka,
05:28
and so it propagated through the network
145
316817
1973
dan juga tersebar melalui jejaring
05:30
to a host of smart people,
146
318790
2569
sampai ke orang-orang cerdas,
05:33
so that by the end, the action
147
321359
2056
hingga pada akhirnya, tindakan
05:35
of liking the curly fries page
148
323415
2544
menyukai laman kentang goreng keriting
05:37
is indicative of high intelligence,
149
325959
1615
mengindikasikan kecedasan tinggi,
05:39
not because of the content,
150
327574
1803
bukan karena materi kontennya,
05:41
but because the actual action of liking
151
329377
2522
tetapi karena tindakan menyukai
05:43
reflects back the common attributes
152
331899
1900
merefleksikan kembali atribut umum dari
05:45
of other people who have done it.
153
333799
2468
orang lain yang juga melakukannya.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Jadi lumayan rumit bukan?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Sulit untuk duduk dan menjelaskan
05:53
to an average user, and even if you do,
156
341363
2848
kepada pengguna biasa, dan bahkan jika
Anda lakukan ini,
Anda lakukan ini,
05:56
what can the average user do about it?
157
344211
2188
apa yang bisa mereka lakukan
terhadap hal ini?
terhadap hal ini?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Bagaimana Anda tahu ketika
menyukai sesuatu
menyukai sesuatu
06:00
that indicates a trait for you
159
348447
1492
yang mengindikasikan sifat Anda
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
yang benar-benar tidak relevan dengan
konten yang Anda "suka" ?
konten yang Anda "suka" ?
06:05
There's a lot of power that users don't have
161
353484
2546
Pengguna tidak memiliki kekuasaan untuk
06:08
to control how this data is used.
162
356030
2230
mengendalikan bagaimana
datanya digunakan.
datanya digunakan.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Dan saya melihatnya sebagai masalah
nyata di masa datang.
nyata di masa datang.
06:13
So I think there's a couple paths
164
361372
1977
Jadi saya pikir ada dua jalur
06:15
that we want to look at
165
363349
1001
yang ingin kami lihat
06:16
if we want to give users some control
166
364350
1910
jika kami ingin memberi kendali
ke pengguna
ke pengguna
06:18
over how this data is used,
167
366260
1740
terhadap bagaimana data digunakan,
06:20
because it's not always going to be used
168
368000
1940
karena tidak selalu akan digunakan
06:21
for their benefit.
169
369940
1381
untuk keuntungan mereka.
Contoh yang sering saya berikan,
06:23
An example I often give is that,
170
371321
1422
06:24
if I ever get bored being a professor,
171
372743
1646
jika saya bosan menjadi profesor,
06:26
I'm going to go start a company
172
374389
1653
saya akan memulai satu perusahaan
06:28
that predicts all of these attributes
173
376042
1454
memprediksi semua atribut ini
seperti kemampuan Anda bekerja
dalam tim
dalam tim
06:29
and things like how well you work in teams
174
377496
1602
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
apakah Anda pengguna narkotika,
atau pecandu alkohol.
atau pecandu alkohol.
Kami bisa memprediksi semua itu.
06:33
We know how to predict all that.
176
381769
1440
06:35
And I'm going to sell reports
177
383209
1761
Lalu saya akan menjual laporannya
06:36
to H.R. companies and big businesses
178
384970
2100
ke perusahaan HR dan bisnis-bisnis besar
06:39
that want to hire you.
179
387070
2273
yang ingin mempekerjakan Anda.
Kami bisa melakukannya sekarang.
06:41
We totally can do that now.
180
389343
1177
06:42
I could start that business tomorrow,
181
390520
1788
Saya bisa memulai bisnis itu besok,
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
dan Anda sama sekali tidak
mempunyai kendali
mempunyai kendali
06:46
over me using your data like that.
183
394360
2138
atas penggunaan data yang saya lakukan.
06:48
That seems to me to be a problem.
184
396498
2292
Bagi saya, itu menjadi masalahnya.
06:50
So one of the paths we can go down
185
398790
1910
Salah satu jalur yang dapat kita tempuh
06:52
is the policy and law path.
186
400700
2032
adalah jalur kebijakan dan hukum.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
Dan dengan hormat, saya rasa
merupakan jalur yang paling efektif,
merupakan jalur yang paling efektif,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
tapi masalahnya adalah kita harus
benar-benar melakukannya.
benar-benar melakukannya.
07:00
Observing our political process in action
189
408534
2780
Memantau proses aksi politik
07:03
makes me think it's highly unlikely
190
411314
2379
membuat saya berpikir sangat tidak mungkin
07:05
that we're going to get a bunch of representatives
191
413693
1597
untuk mendapat sekelompok perwakilan
07:07
to sit down, learn about this,
192
415290
1986
duduk dan mempelajari hal ini,
07:09
and then enact sweeping changes
193
417276
2106
dan mempertimbangkan perubahan terhadap
07:11
to intellectual property law in the U.S.
194
419382
2157
hukum properti intelektual di AS
07:13
so users control their data.
195
421539
2461
sehingga pengguna dapat
mengendalikan data mereka.
mengendalikan data mereka.
07:16
We could go the policy route,
196
424000
1304
Kita bisa memilih rute kebijakan
07:17
where social media companies say,
197
425304
1479
dimana perusahaan berkata,
07:18
you know what? You own your data.
198
426783
1402
Anda memiliki data Anda
07:20
You have total control over how it's used.
199
428185
2489
Anda memiliki kendali penuh terhadap
penggunaannya.
penggunaannya.
07:22
The problem is that the revenue models
200
430674
1848
Masalahnya adalah model pendapatan
07:24
for most social media companies
201
432522
1724
kebanyakan perusahaan media sosial
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
bergantung pada membagikan atau
mengeksploitasi data pengguna.
mengeksploitasi data pengguna.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Kerap dikatakan bahwa pengguna Facebook
07:32
aren't the customer, they're the product.
204
440110
2528
bukanlah pelanggan,
melainkan sebagai produk.
melainkan sebagai produk.
07:34
And so how do you get a company
205
442638
2714
Jadi bagaimana kamu membuat perusahaan
07:37
to cede control of their main asset
206
445352
2558
memberikan hak kendali atas
aset utama mereka
aset utama mereka
07:39
back to the users?
207
447910
1249
kembali ke penggunanya?
07:41
It's possible, but I don't think it's something
208
449159
1701
Itu mungkin, tapi saya rasa itu bukan hal
07:42
that we're going to see change quickly.
209
450860
2320
yang akan segera terlihat hasilnya.
07:45
So I think the other path
210
453180
1500
Jadi, saya memikirkan jalur lain
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
yang dapat kita lakukan dan akan
lebih efektif
lebih efektif
07:48
is one of more science.
212
456968
1508
satu jalur yang lebih ilmiah.
07:50
It's doing science that allowed us to develop
213
458476
2510
Dengan mengandalkan sains yang
memungkinkan kami
memungkinkan kami
mengembangkan semua mekanisme
perhitungan
perhitungan
07:52
all these mechanisms for computing
214
460986
1750
07:54
this personal data in the first place.
215
462736
2052
data personal ini di awalnya.
07:56
And it's actually very similar research
216
464788
2106
And sebenarnya, penelitian yang sama
07:58
that we'd have to do
217
466894
1438
yang harus kami lakukan
08:00
if we want to develop mechanisms
218
468332
2386
jika kita ingin mengembangkan mekanisme
08:02
that can say to a user,
219
470718
1421
yang bisa memberitahu si pengguna,
08:04
"Here's the risk of that action you just took."
220
472139
2229
"Inilah risiko dari tindakan yang Anda ambil."
08:06
By liking that Facebook page,
221
474368
2080
Dengan 'menyukai' halaman di Facebook,
08:08
or by sharing this piece of personal information,
222
476448
2535
atau dengan membagi sepotong
informasi pribadi ini,
informasi pribadi ini,
Anda meningkatkan kemampuan saya
08:10
you've now improved my ability
223
478983
1502
08:12
to predict whether or not you're using drugs
224
480485
2086
memprediksi apakah Anda pengguna narkotika
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
atau apakah Anda betah di
tempat kerja Anda.
tempat kerja Anda.
08:17
And that, I think, can affect whether or not
226
485433
1848
Hal ini, menurut saya, dapat berdampak
08:19
people want to share something,
227
487281
1510
pada apakah orang mau berbagi,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
menyimpannya untuk diri sendiri, atau
menyimpannya secara offline.
menyimpannya secara offline.
08:24
We can also look at things like
229
492030
1563
Kita juga bisa melihat hal-hal seperti
08:25
allowing people to encrypt data that they upload,
230
493593
2728
memungkinkan orang
mengenkripsi data yang diunggah
mengenkripsi data yang diunggah
jadi data tak tampak
dan tidak berarti
dan tidak berarti
08:28
so it's kind of invisible and worthless
231
496321
1855
08:30
to sites like Facebook
232
498176
1431
bagi laman seperti Facebook
08:31
or third party services that access it,
233
499607
2629
atau layanan pihak ketiga yang
mengaksesnya,
mengaksesnya,
08:34
but that select users who the person who posted it
234
502236
3247
melainkan hanya para pengguna yang
diseleksi oleh si pemilik data
diseleksi oleh si pemilik data
08:37
want to see it have access to see it.
235
505483
2670
diberi akses untuk melihat informasi ini.
08:40
This is all super exciting research
236
508153
2166
Ini merupakan penelitian yang
sangat menarik
sangat menarik
08:42
from an intellectual perspective,
237
510319
1620
dari sudut pandang intelektual,
08:43
and so scientists are going to be willing to do it.
238
511939
1859
maka ilmuwan bersedia melakukannya.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Jadi hal ini memberikan kita keuntungan
di sisi hukum.
di sisi hukum.
08:49
One of the problems that people bring up
240
517408
1725
Salah satu masalah yang dikemukakan
saat saya bicara tentang ini,
kata mereka
kata mereka
08:51
when I talk about this is, they say,
241
519133
1595
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
jika orang mulai menyimpan
datanya secara pribadi
datanya secara pribadi
08:55
all those methods that you've been developing
243
523374
2113
semua metode yang telah kamu kembangkan
08:57
to predict their traits are going to fail.
244
525487
2653
untuk memprediksi karakteristik mereka
akan gagal.
akan gagal.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Dan saya berkata, tentu saja, bagi saya
itu merupakan kesuksesan,
itu merupakan kesuksesan,
09:03
because as a scientist,
246
531660
1786
karena sebagai ilmuwan,
09:05
my goal is not to infer information about users,
247
533446
3688
gol saya adalah bukan menyimpulkan
informasi tentang pengguna,
informasi tentang pengguna,
09:09
it's to improve the way people interact online.
248
537134
2767
melainkan untuk meningkatkan cara
berinteraksi online
berinteraksi online
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Dan terkadang melibatkan penyimpulan
tentang mereka,
tentang mereka,
09:15
but if users don't want me to use that data,
250
543119
3022
tetapi jika pengguna tidak mau saya
menggunakan data tersebut,
menggunakan data tersebut,
09:18
I think they should have the right to do that.
251
546141
2038
menurut saya, mereka berhak memutuskannya.
09:20
I want users to be informed and consenting
252
548179
2651
Saya ingin para pengguna mengetahui
dan menyetujui
dan menyetujui
09:22
users of the tools that we develop.
253
550830
2112
penggunaan dari alat yang
kami kembangkan.
kami kembangkan.
09:24
And so I think encouraging this kind of science
254
552942
2952
Jadi saya mendukung bentuk ilmu
seperti ini
seperti ini
09:27
and supporting researchers
255
555894
1346
dan mendukung para peneliti
09:29
who want to cede some of that control back to users
256
557240
3023
yang mau mengembalikan kendali
kepada para pengguna
kepada para pengguna
09:32
and away from the social media companies
257
560263
2311
dari perusahaan-perusahaan media sosial
09:34
means that going forward, as these tools evolve
258
562574
2671
berarti kedepannya, seiring
berkembangnya alat-alat ini
berkembangnya alat-alat ini
09:37
and advance,
259
565245
1476
dan semakin canggih,
09:38
means that we're going to have an educated
260
566721
1414
berarti kita akan memiliki basis pengguna
09:40
and empowered user base,
261
568135
1694
yang terdidik
09:41
and I think all of us can agree
262
569829
1100
saya rasa kita semua setuju
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
bahwa hal ini cukup ideal di masa datang.
09:45
Thank you.
264
573493
2184
Terima kasih.
09:47
(Applause)
265
575677
3080
(Tepuk tangan)
ABOUT THE SPEAKER
Jennifer Golbeck - Computer scientistAs the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions.
Why you should listen
Jennifer Golbeck is an associate professor in the College of Information Studies at the University of Maryland, where she also moonlights in the department of computer science. Her work invariably focuses on how to enhance and improve the way that people interact with their own information online. "I approach this from a computer science perspective and my general research hits social networks, trust, web science, artificial intelligence, and human-computer interaction," she writes.
Author of the 2013 book, Analyzing the Social Web, Golbeck likes nothing more than to immerse herself in the inner workings of the Internet tools so many millions of people use daily, to understand the implications of our choices and actions. Recently, she has also been working to bring human-computer interaction ideas to the world of security and privacy systems.
Jennifer Golbeck | Speaker | TED.com